[發明專利]人體活動識別方法及裝置

在審

• 申請號: 201910295980.5
• 申請日: 2019-04-12
• 公開（公告）號: CN111814523A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 黃澤峰;于亞偉;王婷
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京成創同維知識產權代理有限公司 11449
• 代理人: 蔡純;高青

本發明實施例公開了一種人體活動識別方法及裝置，涉及數據處理技術領域。其中方法包括：獲得原始活動數據，對所述原始活動數據進行預處理，得到第一數據；提取所述第一數據的時域特征，得到第一特征向量；基于所述第一特征向量和多個活動類別的聚類中心點，對所述第一數據進行預分類；以及基于預分類結果和預分類置信度，得到所述第一數據所屬于的活動類別。根據本發明實施例的人體活動識別方法，運用輕量級的人體活動識別框架，無需基于深度神經網絡模型來進行人體活動識別，降低了人體活動識別算法的計算復雜度和占用的硬件資源，從而減小了人體活動識別方法的能耗和響應時間。

技術領域

本發明涉及數據處理技術領域，具體涉及一種人體活動識別方法及裝置。

背景技術

用戶情境感知是利用傳感器信號來監測用戶及環境，以推斷用戶正在進行的活動及周圍環境?；诳纱┐鱾鞲衅鞯娜梭w活動識別在衛生醫療、運動健康、智慧城市等領域具有重要的應用場景。

相關技術中，基于可穿戴設備的人體活動識別問題是對人體在一段時間內的行為數據進行分類的過程。由于通常不能直接從傳感器提供的原始活動數據中看到有效的信息，因此需要使用機器學習、模式識別等方法構建模型來描述、分析和預測原始活動數據所屬于的日?；顒宇悇e?；诳纱┐鱾鞲衅鞯娜梭w活動識別致力于將深度學習應用到特征提取方法和識別算法的設計中。盡管深度神經網絡在分類準確率上有較大優勢，但其計算復雜度高，具有能量消耗過高、響應時間較大等問題，不適用于資源受限(計算能力、電池容量、存儲空間等)的移動設備。

發明內容

為了克服相關技術中存在的基于可穿戴設備的人體活動識別過程能量消耗過高、響應時間較大的問題，本發明實施例提供了一種人體活動識別方法和裝置，運用輕量級的人體活動識別框架，無需基于深度神經網絡模型來進行人體活動識別，降低了人體活動識別算法的計算復雜度和占用的硬件資源，從而減小了人體活動識別方法的能耗和響應時間。

根據本發明的一方面，提供一種人體活動識別方法，包括：

獲得原始活動數據，對所述原始活動數據進行預處理，得到第一數據；

提取所述第一數據的時域特征，得到第一特征向量；

基于所述第一特征向量和多個活動類別的聚類中心點，對所述第一數據進行預分類，其中，所述聚類中心點描述每個所述活動類別中最具代表性的特征參數；以及

基于預分類結果和預分類置信度，得到所述第一數據所屬于的活動類別。

優選地，所述人體活動識別方法，還包括：建立分類器模型，

所述建立分類器模型，包括：

獲得訓練數據，對所述訓練數據進行預處理，得到第一訓練數據；

提取所述第一訓練數據的時域特征，得到第一訓練特征向量；

基于所述第一訓練特征向量，訓練分類器目標模型，得到所述分類器模型。

優選地，所述人體活動識別方法，還包括：基于所述第一訓練特征向量，對所述第一訓練數據進行聚類計算，得到描述每一個所述活動類別中最具代表性的特征參數的所述聚類中心點。

優選地，所述基于所述第一特征向量和多個活動類別的聚類中心點，對所述第一數據進行預分類，包括：

計算所述第一特征向量和每一個所述活動類別的聚類中心點之間的歐氏距離；

將所述第一數據預分類到最小的所述歐式距離對應的活動類別，得到所述第一數據所屬的第一活動類別。

優選地，所述基于預分類結果和預分類置信度，得到所述第一數據所屬于的活動類別，包括：

比較所述最小的所述歐氏距離和所述第一活動類別的預分類置信度。